必看教程“微乐山东麻将助手神器”其实确实有挂

　　来源：财联社

　　作为周一全球股市的风云事件，随着DeepSeek击碎了“只有疯狂烧钱才能搞AI ”的信仰 ，算力产业“卖铲人”们集体暴力大跌 。

　　截至发稿，高性能GPU和ASIC芯片的“两朵金花
”英伟达和博通
，双双抱团下跌超15%。台积电 、阿斯麦、东京电子等产业链概念股一同走弱
。今年表现优异的“AI+电力/核电”概念也出现宣泄式的暴跌，大牛股星座能源
、Vistra能源、燃气轮机制造商GE Vernova 、核电牛股Oklo和NuScale能源盘中跌幅都摸到过20%。

　　归根结底 ，是因为AI产业大牛们纷纷在网上兴奋地表示
，DeepSeek提供了一种在极低成本下，训练出与OpenAI等业内巨头性能相近大模型的途径 ，并且能够在全球各地的工程团队中复现 。这些话传到华尔街
，变成了对超级巨头估值合理性的质疑
。

　　使得局面更加焦灼的是，过去两年美股市场的大部分涨幅 ，恰恰就来自个别几家科技巨头。原本分析师们已经勉强接受这些公司的利润增速会慢于股价
，导致估值一直处在高位，所以对炒作逻辑底线的打击 ，都会使得高估值变得难以维持 。

　　面对周一AI牛股集体大跌的事实
，仍有一些多头分析师“嘴硬 ”地表示，不应该把DeepSeek的成就单纯视作整个行业的利空
。

　　美国候任贸易部长卢特尼克创办的投资银行Cantor Fitzgerald ，周一向客户通报了研究团队的最新研判：需要较少算力的中国大模型横空出世，更有可能为高端图形处理单元（GPU）开发商和数据中心建设者带来繁荣。

　　Cantor半导体行业分析师C.J． Muse领导的团队在报告中写道：“在此前DeepSeek发布V3大模型之时
，人们就曾对算力需求感到非常焦虑，并延展到GPU需求峰值层面 。我们认为这种看法与事实相去甚远 ，实际上这一进展非常‘看涨’
，AGI似乎离实现更近，而杰文斯悖论肯定会导致AI行业需要更多的算力 ，而不是更少
。
”

　　杰文斯悖论（Jevons paradox）是上世纪中期的经济学概念
，指的是技术进步提高了使用资源的效率，但因为成本下降导致需求增加 ，结果导致资源消耗的速度上升
，而非减少。这也是能源领域最广为人知的悖论 。

　　非常凑巧的是，微软CEO纳德拉上周末也在社交媒体上表示：杰文斯悖论再次出现！随着人工智能变得更高效和更容易获取 ，我们将看到它的使用激增
，变成难以满足需求的商品
。

　　Muse进一步表示，这个行业仍将进行预训练
、后训练和基于时间的推理 ，未来在大规模（芯片）集群上的投资只会加速．．．．．．我们认为这一进展，对算力需求越来越大的趋势是积极的
，并不会导致减少。

　　瑞银的半导体研究主管Timothy Arcuri也持有类似观点 。他在周一的报告中表示，关于训练R1模型所用的资源 ，市场上有一些猜测
，但这并不影响R1在推理上的效率，每个token的成本要比（OpenAI的）o1模型低95%以上。模型开发者会考虑将R1的一些新技术融入到他们的模型中 ，这将有助于提高效率
。

　　Arcuri表示
，虽然听上去这会对算力需求产生负面影响，但事实依然是 ，即便模型变得更加高效
，算力仍将继续推动模型性能。

　　除此之外，Bernstein的分析师们也表示市场似乎被社交媒体上的恐慌过分影响了 。该团队表示 ，当前AI大模型的成本增长轨迹显然不可能永远持续下去
，在这种背景下，如果人工智能要继续进步 ，我们需要这样的创新（如MoE、蒸馏 、混合精度等）
。

　　Bernstein也“坚定地相信杰文斯悖论”（即效率提升会带来需求的净增加），并认为任何新解锁的算力更有可能因使用和需求的增加而被吸收
，而不是在此时影响长期支出前景，现在AI的算力需求根本没有接近其极限。